Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Khmer | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese
로컬로 복제하시겠습니까?
이 저장소에는 50개 이상의 언어 번역이 포함되어 있어 다운로드 크기가 크게 증가합니다. 번역 없이 복제하려면 sparse checkout을 사용하세요:
Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/generative-ai-for-beginners.git cd generative-ai-for-beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/microsoft/generative-ai-for-beginners.git cd generative-ai-for-beginners git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"이 방법으로 훨씬 빠른 다운로드로 강의를 완료하는 데 필요한 모든 것을 얻을 수 있습니다.
Microsoft Cloud Advocates가 제공하는 21개의 강의로 구성된 포괄적인 과정을 통해 생성 AI 애플리케이션 개발의 기본을 배우세요.
이 과정은 21개의 강의로 구성되어 있습니다. 각 강의는 개별 주제를 다루므로 원하는 곳에서 시작하세요!
강의는 '학습' 강의로 생성 AI 개념을 설명하거나, '구축' 강의로 개념과 함께 Python과 TypeScript 예제 코드를 제공하는 형태로 표시됩니다.
.NET 개발자는 초보자를 위한 생성 AI (.NET 에디션)을 참고하세요!
각 강의에는 추가 학습 도구를 제공하는 "계속 학습하기" 섹션도 포함되어 있습니다.
-
Azure OpenAI Service - 강의: "aoai-assignment"
-
Microsoft Foundry Models - 강의: "githubmodels" (GitHub Models는 2026년 7월 말에 종료 예정 - 대신 Microsoft Foundry Models를 사용하세요)
-
OpenAI API - 강의: "oai-assignment"
-
Foundry Local - 클라우드 구독 없이 본인 기기에서 완전 오프라인으로 모델 실행
-
Python 또는 TypeScript 기본 지식이 도움이 됩니다 - *완전 초보자는 이 Python 및 TypeScript 과정을 확인하세요
-
전체 저장소를 자신의 GitHub 계정으로 포크할 GitHub 계정
개발 환경 설정을 돕기 위해 강의 과정 설정 강의를 만들었습니다.
나중에 쉽게 찾을 수 있도록 이 저장소에 별 (🌟) 표시를 하는 것을 잊지 마세요.
더 고급 코드 샘플을 원하시면 Python과 TypeScript로 된 생성 AI 코드 샘플 모음을 확인하세요.
우리 공식 Microsoft Foundry Discord 서버에 가입하여 이 과정을 듣는 다른 학습자들과 만나고 네트워킹하며 지원을 받으세요.
질문을 하거나 제품 피드백을 공유하려면 Github의 Microsoft Foundry 개발자 포럼을 이용하세요.
Azure 크레딧으로 오늘 바로 시작하는 방법을 알아보려면 Microsoft for Startups를 방문하세요.
제안 사항이 있거나 맞춤법 또는 코드 오류를 발견하셨나요? 이슈 제기 또는 풀 리퀘스트 생성을 해주세요.
- 주제에 대한 짧은 비디오 소개
- README에 위치한 서면 강의
- Azure OpenAI 및 OpenAI API를 지원하는 Python 및 TypeScript 코드 샘플
- 학습을 계속할 수 있는 추가 자료 링크
| # | 강의 링크 | 설명 | 비디오 | 추가 학습 자료 |
|---|---|---|---|---|
| 00 | 강의 과정 설정 | 학습: 개발 환경 설정 방법 | 비디오 곧 제공 예정 | 더 알아보기 |
| 01 | 생성 AI 및 LLM 소개 | 학습: 생성 AI가 무엇이며 대형 언어 모델(LLM)이 어떻게 작동하는지 이해하기 | 비디오 | 더 알아보기 |
| 02 | 다양한 LLM 탐색 및 비교 | 학습: 사용 사례에 맞는 적합한 모델 선택법 | 비디오 | 더 알아보기 |
| 03 | 생성 AI를 책임감 있게 사용하기 | 학습: 생성 AI 애플리케이션을 책임감 있게 구축하는 방법 | 비디오 | 더 알아보기 |
| 04 | 프롬프트 엔지니어링 기초 이해하기 | 학습: 실전 프롬프트 엔지니어링 모범 사례 | 영상 | 더 알아보기 | | 05 | 고급 프롬프트 만들기 | 학습: 프롬프트 결과를 향상시키는 프롬프트 엔지니어링 기법 적용 방법 | 영상 | 더 알아보기 | | 06 | 텍스트 생성 애플리케이션 만들기 | 구축: Azure OpenAI / OpenAI API를 이용한 텍스트 생성 앱 | 영상 | 더 알아보기 | | 07 | 챗 애플리케이션 만들기 | 구축: 챗 애플리케이션을 효율적으로 구축하고 통합하는 기법 | 영상 | 더 알아보기 | | 08 | 검색 애플리케이션 및 벡터 데이터베이스 구축 | 구축: 임베딩을 사용하여 데이터를 검색하는 검색 애플리케이션 | 영상 | 더 알아보기 | | 09 | 이미지 생성 애플리케이션 만들기 | 구축: 이미지 생성 애플리케이션 | 영상 | 더 알아보기 | | 10 | 로우 코드 AI 애플리케이션 구축하기 | 구축: 로우 코드 도구를 활용한 생성 AI 애플리케이션 | 영상 | 더 알아보기 | | 11 | 함수 호출을 통한 외부 애플리케이션 통합 | 구축: 함수 호출이란 무엇이며 애플리케이션에서의 활용 사례 | 영상 | 더 알아보기 | | 12 | AI 애플리케이션 UX 설계하기 | 학습: 생성 AI 애플리케이션 개발 시 UX 디자인 원칙 적용 방법 | 영상 | 더 알아보기 | | 13 | 생성 AI 애플리케이션 보안 강화하기 | 학습: AI 시스템 위협과 위험, 그리고 이를 보호하는 방법 | 영상 | 더 알아보기 | | 14 | 생성 AI 애플리케이션 수명주기 | 학습: LLM 수명주기 및 LLMOps 관리를 위한 도구와 지표 | 영상 | 더 알아보기 | | 15 | 검색 강화 생성(RAG) 및 벡터 데이터베이스 | 구축: 벡터 데이터베이스에서 임베딩을 검색하는 RAG 프레임워크를 활용한 애플리케이션 | 영상 | 더 알아보기 | | 16 | 오픈 소스 모델 및 Hugging Face | 구축: Hugging Face에서 제공하는 오픈 소스 모델을 사용하는 애플리케이션 | 영상 | 더 알아보기 | | 17 | AI 에이전트 | 구축: AI 에이전트 프레임워크를 활용한 애플리케이션 | 영상 | 더 알아보기 | | 18 | LLM 미세 조정 | 학습: LLM 미세 조정의 개념, 이유, 방법 | 영상 | 더 알아보기 | | 19 | SLM을 활용한 구축 | 학습: Small Language Models를 활용한 구축의 이점 | 곧 영상 공개 | 더 알아보기 | | 20 | 미스트랄 모델을 활용한 구축 | 학습: 미스트랄 계열 모델의 특징과 차이점 | 곧 영상 공개 | 더 알아보기 | | 21 | 메타 모델을 활용한 구축 | 학습: 메타 계열 모델의 특징과 차이점 | 곧 영상 공개 | 더 알아보기 |
모든 GitHub Actions 및 워크플로우를 만들어주신 John Aziz 님께 특별히 감사드립니다.
학습자 및 코드 경험을 개선하기 위해 각 레슨에 중요한 기여를 해주신 Bernhard Merkle 님께 감사드립니다.
저희 팀은 다른 과정도 제작합니다! 확인해 보세요:
AI 앱 개발 중에 막히거나 질문이 있으면 MCP에 대해 토론하는 다른 학습자 및 경험 많은 개발자들과 함께하세요. 질문이 환영받고 지식이 자유롭게 공유되는 지원 커뮤니티입니다.
제품 피드백이나 빌드 중 오류가 있으면 다음을 방문하세요:
면책 조항: 이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 기하기 위해 노력하고 있으나, 자동 번역은 오류나 부정확한 부분이 있을 수 있음을 유의하시기 바랍니다. 원본 문서의 원어본이 권위 있는 자료로 간주되어야 합니다. 중요한 정보의 경우, 전문가의 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.